跳到主要內容

臺灣博碩士論文加值系統

(3.231.230.177) 您好!臺灣時間:2021/08/02 10:43
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:陳詠君
研究生(外文):Chen, Yung-Chun
論文名稱:應用資料探勘技術於音樂類大型遊戲機行銷之研究
論文名稱(外文):The study of applying data mining techniques on the marketing of musical arcade games
指導教授:翁頌舜翁頌舜引用關係董惟鳳董惟鳳引用關係
指導教授(外文):Weng, Sung-ShunTung, Wei-Feng
口試委員:蕭瑞祥廖耕億
口試委員(外文):Shaw, Ruey-ShinagLiao, Gen-Yih
口試日期:2012-06-22
學位類別:碩士
校院名稱:輔仁大學
系所名稱:資訊管理學系
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2012
畢業學年度:100
語文別:中文
論文頁數:97
中文關鍵詞:遊戲產業資料探勘K-Means決策樹專家訪談4P行銷策略
外文關鍵詞:Arcade game industryData miningK-MeansDecision treeexpert interview4P Marketing
相關次數:
  • 被引用被引用:0
  • 點閱點閱:376
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
  近年來大型遊戲機產業蓬勃發展,已成為高科技休閒的娛樂方式之一,但市場趨於飽和且競爭激烈。因此遊戲機業者除了強化遊戲內容及保有核心技術外,較常見的是運用大量行銷手法來吸引玩家。然而面對眾多的遊戲機種及各地龐大的營業店家數,若能精確區隔出不同類型的店家,再給予適當的行銷策略,期能增加企業或代理商獲利性,進而保持優勢的競爭力。

  本研究資料來源為某遊戲產業在大陸地區2011年度音樂類遊戲機台營運紀錄資料。彙集「地理基本資料」、「店家基本資料」、「機台營運紀錄」三大類原始資料,再經過資料前置處理之資料蒐集、資料淨化、資料整合、資料轉換等階段後,產出可用資料集為15個變數,共計354筆有效資料。

  本論文研究,以閱讀相關文獻配合企業內商業邏輯判斷,將資料前置處理後之資料集,先以資料探勘群集分析方法中的K-means分群演算法,將分群結果給予目標值後,再使用資料探勘方法中C5.0決策樹演算法,挖掘找出各群店家所具有的特性法則。而為了進一步分析瞭解何種行銷模式較適合哪一類型店家推展,最後應用專家訪談法將4P行銷組合即產品、價格、促銷、通路等進行行銷模式評估與建議。以制定出符合音樂類大型遊戲機產業市場區隔之最佳行銷策略建議。
  The arcade game industry grows vigorously. It has already become one of the Hi-Tech recreation amusement applications in recent years, but the market prones to the saturation and the competition is fierce. So the arcade game industry is not only strengthening the game content but also protecting the core technology. The common way is to use a large number of marketing techniques to attract players. However, there are a large number of game species and operating stores. If we can do precise segmentation, then give the appropriate marketing strategies hoping to increase enterprises’ or agents’ profitability and keep the competitiveness of the advantages.
  
  In this research, the data source is the machine operating information for a musical arcade game industry in China in 2011. We collected "geographical data", "stores", "machine operational records" of the three categories in the raw data. After the processes of data pre-processing, data cleaning, data integration, data transformation, the output data are 354 valid dataset with 15 fields.

  This study has explored relevant literatures of the enterprise business logic. After pre-processing the datasets, we first used K-means clustering algorithm for cluster analysis. Then we used the C5.0 decision tree algorithm to classify the clustering results, hoping to get the characteristics rules of every group of stores. In order to further analyze to understand which kind of marketing strategy is more suitable for which type of stores, we used expert interviews concerning 4P marketing to evaluate the marketing strategies and make recommendations. The results of this study can be referred to find the better marketing strategies for musical arcade game industry.

表 次 vi
圖 次 vii
第壹章 緒 論 1
第一節 研究背景與動機 1
第二節 研究目的 5
第三節 研究流程 6
第四節 論文架構 9
第貳章 文獻探討 10
第一節 遊戲產業發展概況 10
一、 日本 13
二、 中國大陸 16
三、 台灣 17
第二節 資料探勘 23
第三節 市場區隔與行銷策略理論 26
一、 市場區隔理論 26
二、 行銷策略理論 28
第參章 研究方法 31
第一節 研究架構 31
第二節 資料前置預處理 34
一、 資料蒐集 34
二、 資料淨化 36
三、 資料整合 37
四、 資料轉換 37
第三節 群集分析 39
第四節 決策樹分析 41
第五節 行銷策略分析 43
一、 建立行銷策略目標構面 45
二、 管理階層專家訪談 47
三、 定義最佳行銷策略 48
第肆章 研究結果與分析 49
第一節 資料前置處理結果 49
第二節 K-Means分群結果 51
第三節 決策樹分類結果 53
第四節 分群之店家命名 57
一、 潛力發展型店家 57
二、 高價值型店家 58
三、 需求飽和型店家 58
第五節 訪談結果分析 58
一、 建立行銷策略目標構面 59
二、 管理階層專家訪談 61
三、 定義最佳行銷策略 68
第伍章 結論與建議 70
第一節 管理意涵 70
一、 潛力發展型店家 71
二、 高價值型店家 71
三、 需求飽和型店家 71
第二節 研究範圍與限制 72
第三節 後續研究建議 73
參考文獻 74
一、 中文部分 74
二、 英文部分 77
三、 網站部分 79
附錄 A 中華人民共和國國家統計局2011年所普查最新大陸人口統計數據 81
附錄 B 專家訪談問卷 82
附錄 C 專家訪談紀錄資料彙整 90
一、中文部分
1.王建驊,使用模糊資料探勘評估線上遊戲消費者之偏好,玄奘大學資訊管理學系碩士論文,2006。
2.王薏閔,資料探勘應用於顧客關係管理之研究,國立臺北大學企業管理學系碩士論文,2003。
3.台灣遊戲軟體產業商機及投資策略研討會會議紀錄,金華信銀證券,2001.7.17。
4.司徒達賢著,策略管理(初版),台北:遠流出版事業股份有限公司,1995。
5.吳芝儀,李奉儒譯,米高.奎因.巴頓著,質的評鑑與研究,台北:桂冠圖書公司,1995。
6.吳俊宏,我國電腦單機遊戲軟體廠商轉型跨平台發展經營策略之探究 -以資源基礎觀點,國立臺北大學企業管理學系碩士論文,2003。
7.吳盛宏,結合自適應共振理論神經網路與K-means演算法於資料群聚之研究-以線上遊戲為例,玄奘大學資訊科學學系碩士論文,2007。
8.李吉仁、陳振祥著,企業概論:本質、系統、應用(第二版),台北:華泰文化事業股份有限公司,2005。
9.李嘉齊,以資料探勘技術建構本國銀行預警系統,輔仁大學資訊管理學系碩士論文,2009。
10.林柏棋,運用資料探勘技術分析顧客需求:以遊戲產業為例,中興大學科技管理系碩士論文,2007。
11.林董原,分析玩家歷史行為之線上遊戲代理人偵測機制,國立臺灣科技大學資訊管理系碩士論文,2008。
12.林穎杭,應用資料探勘技術於線上遊戲市場之研究,玄奘大學資訊管理學系碩士論文,2011
13.林祥,應用資料探勘於銀行共同基金行銷之研究,輔仁大學資訊管理學系碩士論文,2007。
14.胡建勳、王建驊,利用資料探勘技術探討線上遊戲玩家消費行為,2005年電子商務經營管理研討會,台中:逢甲大學電子商務研究中心主辦,2005/12/09。
15.徐正容,應用資料探勘於健檢中心顧客滿意度分析之研究,明志科技大學工業管理學系碩士論文,2008。
16.袁建中等編著,二十一世紀資訊科技前瞻專題(初版),國立空中大學,2004。
17.張玉佩、邱秋雲,台灣線上遊戲產業興起的社會脈絡,2010 台灣資訊社會研究學會年會暨學術研討會,新竹:國立交通大學客家文化學院傳播與科技學系主辦,2010/11/13。
18.張武成,線上遊戲軟體設計因素與使用者滿意度關聯之研究,淡江大學資訊管理系碩士論文,2002。
19.梁永嘉,應用資料探勘技術於銀行客戶區隔之研究,輔仁大學資訊管理學系碩士論文,2008。
20.莊克仁,現階段我國遊戲機業者與線上遊戲業者商業模式及行銷策略之比較研究,傳播管理學刊,第7卷,第2期,2006年7月。
21.陳東和、黃謙順,運用資料採礦技術於銀行基金客戶分群之研究,知識社群與系統發展研討會,中國文化大學資訊管理學系,2008。
22.曾新穆,李建億譯,Richard J. Roiger, Michael W. Geatz著,資料探勘Data Mining,台北:台灣東華書局股份有限公司,2004。
23.黃有麗,女性公務人員生涯發展歷程之質性研究,國立嘉義大學國民教育研究所碩士論文,2000。
24.黃麗娟,應用資料探勘技術於線上遊戲玩家成癮之研究,國立彰化師範大學資訊管理學系所碩士論文,2009。
25.石隆智,陳玫娟,群益證券CIS小組著,第一次認識GAMES 產業就上手,台北:易博士文化,2001。
26.詹祥麟,應用資料探勘技術於顧客區隔行銷之研究-以美髮連鎖業為例,華梵大學資訊管理學系碩士論文,2007。
27.甄曉蘭,從典範轉移的再思論質的研究崛起的意義,嘉義師院學報,10期,頁119-146,1996。
28.劉新白等人,電子媒介經營管理,台北:國立空中大學,2000。
29.謝文雄,以資料探勘探討顧客消費之行為,雲林科技大學資訊管理系碩士論文,2002。
30.謝安,免費線上遊戲經營與獲利模式之個案分析,國立中央大學資訊管理學系碩士論文,2006。
31.簡琬真,新產品開發顧客需求分析之研究:以手機遊戲產業為例,中興大學科技管理學系碩士論文,2009。

二、英文部分
1.Alfred, S. B., Market Segmentation by Personal values and Salient Product Attributes, Journal of Advertising Research, Vol.21, No.1, 1981, pp.29-35.
2.Arthur, D., Vassilvitskii, S., How Slow is the k-means Method?, Proceedings of the twenty-second annual symposium on Computational geometry (SoCG), 2006.
3.Berry, M.J.A. & Linoff, G., Data Mining Techniques: For Marketing, Sals & Customer Support, N.Y. : Wiley Computer Publishing, 1997.
4.Berson, A., Smith, S. & Thearling, K., Building Data Mining Application for CRM, New York: McGraw-Hill Inc, 2001.
5.Curt, H., The Deviles in The Detail Techniques, Tool, and Applications for Data Mining and Knowlegde Discovery Part I, Intelligent Software Strategies, Vol.6 No.9., 1995. p.3.
6.Chau, K., Cao, Y., Anson, M., & Zhang, J., Application of data warehouse and Decision Support System in construction management, Automation in Construction, Vol. 12, No. 2, 2002, pp.213-224.
7.Denzin, N. K. & Lincoln, Y. S. (eds.), The landscape of qualitative research:Theories and issue, California: Sage, 1998.
8.McCarthy E., Basic Marketing: A Managerial Approach, Homewood I11 : Richard D.Irwin., 1960.
9.Fayyad, U., Data Mining and Knowledge Discovery: Making Sense Out of Data, IEEE Expert, Vol.11, No.5, 1996, pp.20-25.
10.Fayyad, U., Piatetsky-Shapiro G., & Smyth P., From Data Mining to Knowledge Discovery: An overview, In advances in Knowledge Discovery and Data Mining, 1996, pp.471-493.
11.Han, J., Kamber, M., & Pei, J., Data mining: Concepts and Technique, Third Edition, San Francisco : Morgan Kaufmann Publishers, 2011.
12.Kotler, P., Principles of Marketing, New York:Prentice-Hall Inc, 1996.
13.Kotler, P., Marketing Management 10th ed., New York : Prentice-Hall Inc, 2000.
14.Kotler, P., Marketing Management 11th ed., New York : Prentice-Hall Inc, 2003.
15.Kouris, I. N., Makris, C.H. & Tsakalidis, A. K., Using Information Retrieval techniques for supporting data mining, Data & Knowledge Engineering 52, 2005, pp.353-383.
16.McDonald, M. & Dunbar, I., Market Segmentation-- How to Do It, How to Profit from, New York: Macmillan Inc, 1998.
17.MacQueen, J. B., Some Methods for Classification and Analysis of Multivariate Observations, Proceedings of 5-th Berkeley Symposium on Mathematical Statistics and Probability, Berkeley, University of California Press, 1967, pp.281-297.
18.Peacock, P. R, Data Mining in Marketing: Part 1, Marketing Management, Vol.6 No.4., 1998, pp. 8-18.
19.Pang, S.L., & Gong, J.Z., C5.0 Classification Algorithm and Application on Individual Credit Evaluation of Banks, Systems Engineering-Theory & Practice, Vol.29 No.12., 2009, pp.94–104.
20.Wendell, R.S., Product Differentiation and Market Segmentation as Alternative Marketing Strategies, Journal of Marketing, Vol.21, 1956, pp.3-8.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top